基于预测信息的公共自行车查询系统设计

陈玲娟，代 炯，胡 胜，王殿海

(1. 武汉科技大学 汽车与交通工程学院，湖北 武汉 430081；2.浙江大学 建筑工程学院，浙江 杭州 310058)

基于预测信息的公共自行车查询系统设计

陈玲娟1，2，代 炯1，胡 胜1，王殿海2

(1. 武汉科技大学 汽车与交通工程学院，湖北 武汉 430081；2.浙江大学 建筑工程学院，浙江 杭州 310058)

为缓解公共自行车借还车难现象，基于微信平台获取数据及云平台处理数据，设计了以微信为界面的公共自行车查询系统。首先通过微信获取出行输入，根据历史数据拟合用户分时段的出行需求，再由云平台根据输入调用周围站点信息，运用拟合数据预测用户到达周围站点时的可借还车辆数，并通过排序算法返回促进系统供需平衡的用户站点选择优劣方案，引导用户合理出行。最后以武汉市公共自行车网络为例，设计了包含站点车辆数查询，选择路线推荐等功能的公共自行车查询系统，并比较了预测信息与传统信息对问题的改善程度。

交通运输工程；公共自行车；微信；云平台；预测信息；选择站点排序

0 引 言

我国多个城市已经推行了公共自行车系统，在解决短程接洽出行及环保出行方面得到了广大市民的一致认可。但随着公共自行车使用率的提高，高峰期的“借还车难”问题越来越突出，成为了制约其发展的瓶颈因素之一。国内各城市公共自行车租赁普遍存在潮汐现象，即某些借还车频繁的站点存放自行车数量震幅大，早高峰时难借车，晚高峰时难还车，导致借车时走行距离过长，还车时骑行距离过长。现有对该问题的解决方案分为两种，即对站点存车数统一调度和开发引导借还车的应用系统。统一调度方面，学者们做了众多研究[1-5]，从站点需求，调度方案设计等方面对借还车结果进行调配从而缓解借还车压力。但由于高峰期自行车借还大多集中在商贸区及居民区附近，道路拥堵严重，站点与机动车道相距较远，易造成调运车辆行驶速度慢，上下搬运时间长，调运困难等问题，导致站点车辆不能及时达到平衡；应用系统方面，现有基于APP和微信平台的公共自行车查询系统两种形式[6-7]。采用APP开发的软件，包括“杭州公共自行车服务查询”，“北京公共自行车”，“苏州公共自行车”等。基于微信开发公众号的城市包括北京、上海、杭州、苏州等30多个。但不管是APP还是微信查询系统，都存在一定缺陷。首先，众多系统没有建立实际路网的站点信息库，站点数据普遍缺失，造成查询功能名存实亡，使得APP或微信查询使用率不高；其次，目前查询系统只能为用户提供站点可借车辆数和可还空车位数等信息，且返回给用户查询时刻的静态数据，既没有提供合理的借还站点选择方案建议，也没有对出行者从查询到抵达过程中，站点车位数变化进行预测估计。然而用户在起点搜索到的站点数据，与到达时的实际站点数据存在偏差，特别是在高峰期使查询结果缺乏动态性和可靠性。综合来看，现有查询软件对公共自行车系统供需平衡及站点车辆数协调改善作用较小。且当所有用户都选择查询时刻的最佳站点时，可能带来选择的过激反应，反而导致系统失衡，造成过多的借还车成本。

为更好促进公共自行车发展，有效缓解借还车难问题，笔者从使用者角度出发，开发公共自行车公众微信号。结合武汉市公共自行车系统，与运营方鑫飞达合作获得站点数据支持，采用云平台搭建车位数预测与选择站点排序算法，发布站点到达时刻站点预测车辆数，空车位数及借还站点推荐等信息，对借还车过程加以引导，平衡各站点压力，从而与统一调度互为补充，共同缓解公共自行车借还车难的问题。

1 系统整体框架

系统首先通过微信和站点历史数据获取用户出行需求；再由云平台根据输入定位查询点，确定所在位置周围公共自行车站点，并调用相应站点信息，运用历史数据拟合预测用户到达站点时的可借车辆数或可还空车位数；最后通过排序算法返回对用户最有利的借车或还车站点，从而对借还车用户进行有规律的分流，促进系统供需之间的平衡，引导用户合理选择公共自行车借还站点。作品整体框架如图1。

图1 系统框架Fig.1 System frame diagram

从图1可看到，整个系统第1步是查询，用户输入自身需求，即输入出发点，终到点；第2步是上传数据，即将通过微信平台输入的用户需求上传到云平台进行数据处理。第4步云平台数据处理所做操作如下：首先调取存有的公共自行车站点数据库，(即第3步，包括站点位置，站点实时车辆数据等)，定位用户所在位置附近站点，并根据设计基于预测信息的站点选择查询功能，给出最佳的用户借还车站点选择方案，并通过微信平台返回给用户(第5步)。

系统分别从微信平台和云平台两个模块进行设计。整体设计步骤如下：

1)利用微信服务号做查询系统的开发，包括订阅号和服务号比较选择；接口开发及界面功能开发。

2)利用云平台构建网络数据库BS(浏览器/服务器结构)服务器。

3)在云平台内部设计系统查询功能算法作为输出数据，预测从查询时刻至到达时刻的间隔内，站点现存车辆数及空车位数变化情况。根据到达时刻站点可借还车及需求数量，确定搜索站点区域范围，并按优劣顺序推荐站点，从而引导用户选择站点借还车。

1.1 微信开发

微信公众平台作为用户和云端的一个信息交互中介，负责接收用户输入信息，封装后转交给云端，同时也负责将云端处理完后的信息转交到用户微信上。

目前微信公众号包括订阅号和服务号。订阅号主要面向于个人和媒体，自助查询功能较为基础，推送功能更为强大；而服务号主要面向于企业和组织，消息推送虽被限制，但提供的API(应用程序编程接口)接口权限更多，获得的自助服务功能更为丰富。因此本文微信平台使用服务号，此种形式能提供菜单功能，拥有更好的人机交互界面，方便用户操作。图2显示了公共自行车微信查询平台的功能菜单。

图2 公共自行车微信查询平台的功能菜单Fig.2 Function menu of WeChat public bicycle query platform

1.2 云平台处理数据

系统在收到用户微信端的请求数据之后，需要对数据进行处理。考虑到软件开发的硬件成本、开发成本、运营维护成本和安全性，采用SAE(新浪云平台)作为数据处理中心。利用SAE提供的一系列分布式计算、存储服务等功能，在Windows上通过SVN(版本控制系统)或者Web版在线代码编辑器对公共自行车查询系统的算法进行开发和调试。在接收到用户微信客户端的数据之后，系统通过历史数据拟合，得出用户在到达站点过程中该搜索区域内的预测出行需求，发布基于终到点预测的站点信息，并形成方便用户出行的方案。在给用户带来方便的同时，也协调了公共自行车网络需求与供给间的平衡。

2 基于预测信息的系统查询功能

2.1 系统网络表示法

将公共自行车使用者借助微信输入的查询起点定为O，查询终点定为D，如图3。网络表示中，编号①～⑦代表查询区域内的公共自行车站点。假设从起点O，D到就近站点i的距离为直线距离r，且出行者为步行。笔者在选取O，D点的就近站点时，假定r在容许步行距离范围内。

图3 公共自行车交通网络Fig.3 Public bicycle traffic network diagram

公共自行车网络以所研究区域内既有路网结构为基础，其中交叉口为节点，连接交叉口的路段为节点间的弧，网络的起讫点为查询点O和到达点D。直线连接O和D与就近搜索到的n个站点，构成网络的附加弧，如图3中虚线路段。

按照公共自行车出行特征，出行起点和讫点可分为公共交通、公共服务设施、居住、游憩、校园5类。公共交通类为公交车站、地铁站等；公共服务设施类为大型商场、超市、银行、医院、企事业单位等；居住类为社区和居住小区；游憩类为公园、旅游景点、游乐场等；校园类为大专院校、中学等。因此笔者将公共自行车站点划分为公交点、共建点、居住点、游憩点和校园点5类。根据城市公共自行车站点建设前的选址规划，即可确定节点附近有哪些站点。并将节点以及节点附近的站点划分为一个区块。如某学校A附近有A1，A2，A3三个站点，那么，节点A与A1，A2，A3共同构成一个校园区块。通过区块划分，有利于确定公共自行车出行网络中OD对的总出行需求，总供给及查询点附近站点集合。

在公共自行车系统网络构建中，假设节点，弧以及借还车站点属性满足如下条件：

1)所有出行起讫点都属于上述5类节点；

2)网络中各节点不存在重合部分；

3)所有借还车站点都在起讫节点所属的区块内选择；

4)使用者从借车站点到还车站点的骑行过程中，不考虑网络节点延误，且走行时间不考虑车流影响，仅跟骑行速度相关；

5)在计算从起点到就近站点的走行时间过程中，仅以两点间直线距离代替。

微信服务号关注者以固定格式(查询某地附近站点信息则直接输入该地点名称，查询从A地到B地的可行借还路线则输入A#B)给服务号发送信息或者直接发送LBS地理位置信息。系统对输入信息识别后，确定用户输入地点所属区块，将区块内站点作为用户选择的备选站点；若用户输入地点不属于某个节点，则在地图上搜索该地点附近节点，并将其返回给用户，让用户进行进一步选择，以确定起讫节点及其附属区块。

2.2 基于终到时段的站点预测信息输出

传统查询系统仅能实现查询时刻的数据反馈，即返回用户在起点时刻的数据。但实际当用户到达终点时，站点信息可能与起点查询结果相差甚远。因此，笔者引入预测算法，根据用户的查询时刻，预测到达终点时的站点信息，具体步骤如下。

2.2.1 预测各小时段的站点车辆数变化

1)根据各站点存车数历史数据，对高峰时段借还车需求进行预测。考虑到工作日与休息日间出行需求不同，将二者分开拟合。在数据量选择上，以预测日前10天数据为参考。考虑到高峰时域2 h内出行的时段波动性，为避免整体预测求均值产生误差，将高峰时段内(早高峰07:30—09:30，晚高峰16:30—18:30)站点需求量按5 min间隔分为48个小时段。

2)建立一元线性回归方程，表示为yi,k=ai,k+bi,kxi,k，其中xi,k表示站点i第x天的第k个时段，yi,k表示对应的出行需求，即k时段站点车辆数变化。对站点i的10组数据分小时段拟合，获得48组ai,k,bi,k值。

3)将拟合方程在时间域上扩展，预测当天高峰时域内各小时段的出行需求。

2.2.2 根据终到时段输出站点数据

根据查询时刻所处时段，起始位置，终到点及终到时刻等信息，预测终到时刻各站点的车辆数，空车位数等信息。

1)节借车站点车辆数预测

对借车用户而言，在查询时刻搜索附近站点，tb=S1/Vb，S1为起始点到借车点的距离，步行速度Vb取4 km/h。根据查询时段k，判别到达借车站点所处时段k+j，调用2.2.1小节中对应时段的拟合方程计算车辆数变化。得站点i预测存车数为

如查询当前时刻为09:12，09:12在09:10到09:15时间段内，查询拟合方程序列，属于第45个时间段，则存车数为

Xi=当前时刻实际存车数+预测值(yi,46+yi,47)。

2)还车站点空车位数预测

以图3为例，从起点到讫点的路程耗费时间T=tb+tq，tb=S1/Vb表示步行时间，S1为二级节点到各站点的距离，步行速度Vb取4 km/h；tq=S2/Vq表示骑行时间，S2为站点与站点的距离，骑行速度Vq取10 km/h。

终点到达时刻t=当前查询时间+路程耗费时间T

根据路程耗费时间T判断查询时刻及到达时刻处在的时段分别为k,k+j。调出时段内各还车站点的车辆数变化拟合方程得

站点预测空车位数Yi=当前站点空车位数-

2.3 借还车路线选择排序

仿照公交路线查询结果的形式，以微信为平台，给出公共自行车接洽出行中，借还车路线选择优劣排序算法步骤如下(借车点A，还车点B的组合称为一条路线)。

2.3.1 起讫区块需求和供给确定

2.3.2 出行路线确定

确定借还车路线，目的在于引导用户到预测可借车位数大的站点借车，到预测空车位数多的站点还车。当需求小于供给时，不会出现借还车难的现象，当需求大于供给时，则表明所选择站点不能满足需求，则需要扩大区块站点选择范围，对选择范围进行l次扩大，直至需求小于供给，再以先近后远原则进行排序。基于以上分析，设计算法如下：

限于作者亲自阅读、笔者明确引用、公开发表或有案可查者。

4)对从站点集合A到B的借还车路线，按照Xi·Yj大小排序，并将其作为优先方案排在前面；对从A′到B′的借还车路线则按照总走行时间长短排序，并将其放在方案排序的后部。

3 武汉市公共自行车查询系统示例

3.1 系统网络表示法

武汉市公共自行车系统建设于2008年，至2015年武汉公共自行车共建设站点800个，按站点性质分类，公交点149个，公建点155个，居住点371个，游憩点30个，校园点95个，共70 000辆公共自行车投入使用，日均租还车次数达到22万次，且布局规模在不断扩大。随着武汉地铁的逐步建设，武汉市政府规划新增服务于地铁的公交点百余个，以接驳地铁交通，服务于居民最后一公里出行。

文中数据包括站点布局，站点实时信息数据及站点借还车历史数据。这些数据均由武汉公共自行车运营方鑫飞达集团提供。其中，站点实时数据包括站点当前可借还车数、站点地理坐标和站点运营时间等，该类由鑫飞达提供的站点实时数据接口提供；站点借还车历史数据包括历史时间内公共自行车站点每天各时段的借车和还车数量，以数据库文件形式提供。

3.2 结果显示

将上述预测算法集成到云平台处理数据，并以微信作为与用户的交流窗口，设计系统功能显示如图4。

3.2.1 微信系统示例(图4)

图4 设计系统功能显示Fig.4 Function display of design system

3.2.2 系统优劣性比较

为检验预测及排序算法的有效性，以武汉市武广商圈内9个公共自行车站点为考察对象，选取某个工作日内早高峰07:30—09:30为检验时间段，采用鑫飞达提供的实际需求数据，分别比较该设计系统的选择方式与传统选择方式间站点借还车的繁忙程度。假设传统选择方式有两种，一种是无信息提供，使用者仅根据站点距离选择就近借还点，另一种是仅提供查询时刻车辆数，使用者依照就近原则选择允许借还车的站点。3种条件下，系统整体指标比较如表1。表1中，无可借(还)车概率=到达站点发现车辆(空车位)数为0的人数/总出行人数，骑行及走行距离降低比例以无信息条件下为基准。

表1 系统优劣性比较结果

从表1可见，由于所选区块为商业区，集中各种办公场所，为人员聚集区，且附近地铁及常规公交站点众多，公共自行车承担了短程接洽出行，因此早高峰时段无可借车的概率3种情况下均较小，而还车难问题则较突出。可看到第二种情况下，无空位还车概率反而提高了，原因在于瞬时信息的集聚效应导致使用者均朝向同一站点，同时为了还上车导致骑行距离增加；整体表现来看，设计系统提供站点预测信息，能降低借还车难的概率，同时减少骑行及走行距离。

4 结 语

笔者借助微信平台输入输出数据和云平台处理数据，设计了基于预测算法的公共自行车查询系统。与现有查询系统相比，该系统不仅能向用户提供站点的车辆数或空车位数等实时数据，并能拟合站点历史数据，得出站点即时需求，预测到达时刻站点信息，并通过排序算法向用户推荐选择站点路线。最后以武汉市公共自行车系统为例，给出了所设计微信公众号的表现形式及功能设置，并与传统选择方式作对比，发现所设置的预测信息算法能在一定程度上缓解借还车难的现象。

笔者设计系统所采用的地点输入形式为文本，对信息输入准确性要求较高，导致用户输入数据较麻烦。为解决该问题，下一步，可接入百度地图的API，用户可以通过直接发送“位置”信息进行相关查询，不仅能够省去输入文字的复杂性，同时使得输入地点更加准确。

参考文献(References)：

[1] 张冬梅，叶飞，朱彤．西安市公共自行车单站点调度算法研究[J].交通科技与经济,2014,16(3):76-79. ZHANG Dongmei，YE Fei，ZHU Tong．Research on Xi’an public bicycle single-site scheduling algorithm[J].Technology&EconomyinAreasofCommunications,2014,16(3):76-79.

[2] 李虎. 基于Web-GIS的公共自行车信息服务查询系统研究[D]. 西安：长安大学，2014. LI Hu.ResearchofthePublicBicycleInformationServiceQueryingSystembasedonWeb-GIS[D]. Xi’an：Chang’an University，2014.

[3] 胡列格，夏云，王佳，等．城市公共自行车高峰期需求不均衡的调度优化研究[J].铁道科学与工程学报,2015,12(2):441-448. HU Liege，XIA Yu，WANG Jia，et al. Scheduling optimization research on demand imbalance of urban public bicycles during peak period[J].JournalofRailwayScienceandEngineering, 2015,12(2):441-448.

[4] 芮一鸣，叶丽霞．城市公共自行车调度系统框架设计[J].公路交通科技,2015,122(2):242-244. RUI Yiming，YE Lixia．Frame design of urban public bicycle scheduling system[J].JournalofHighwayandTransportationResearchandDepartment, 2015,122(2):242-244.

[5] 刘登涛，方文道，章坚民，等．公共自行车交通系统调度算法[J].计算机系统应用,2011,20(9):112-116. LIU Dengtao，FANG Wendao，ZHANG Jianmin，et al. Scheduling algorithm for public bicycle system[J].ComputerSystems&Applications,2011,20(9):112-116.

[6] 何流，李旭宏，陈大伟，等．公共自行车动态调度系统需求预测模型研究[J].武汉理工大学学报(交通科学与工程版) ,2013,37(2):278-282. HE Liu，LI Xuhong，CHEN Dawei，et al. Research on the demand forecast model of public bike dynamic scheduling system[J].JournalofWuhanUniversityofTechnology(TransportationScience&Engineering) ,2013,37(2):278-282.

[7] 韩玉飞，殷旭东．基于Android的公共自行车查询系统设计与实现[J].网络与通信,2013,18(38):41-47. HAN Yufei，YIN Xudong. Design and implementation of public bicycle query system based on android[J].NetworkandCommunication,2013,18(38):41-47.

Design of Public Bicycle Query System Based on Predictive Information

CHEN Lingjuan1, 2, DAI Jiong1, HU Sheng1, WANG Dianhai2

(1. School of Automobile & Traffic Engineering, Wuhan University of Science & Technology, Wuhan 430081, Hubei, P.R.China; 2. School of Civil Engineering & Architecture, Zhejiang University, Hangzhou 310058, Zhejiang, P.R.China)

In order to ease the difficulty of public bicycles’ borrowing and returning, a query system of public bicycles with WeChat interface was designed, which used WeChat platform to obtain data and used cloud platform to process data. Firstly, travel input was obtained by WeChat and the users’ travel demand for each period of time was fitted according to historical data. And then, according to the travel input, the information of around sites was extracted by the cloud platform, and the fitting data was used to predict the remained vehicles available to borrow when users arrived at the around sites; meanwhile, a sorting algorithm was provided to system users for site selection in order to guide users’ reasonable travel. Finally, taking a public bicycle network in Wuhan as an example, a query system of public bicycles was designed, whose functions included the site bicycle number query and route recommendation. And the improvement of forecasting information and traditional information on the problem was comprised.

traffic and transportation engineering; public bicycle; micro-letter; cloud platform; predictive information; ranking site selection

10.3969/j.issn.1674-0696.2016.03.33

2015-06-10；

2016-01-13

国家自然科学基金项目(51308425)；中国博士后科学基金项目(2014M561762)；大学生科技创新基金研究项目(132RB085)

陈玲娟(1985—)，女，湖北天门人，博士，主要从事城市交通出行行为方面的研究。E-mail：chenlingjuan@163.com。

U484

A

1674-0696(2016)03-167-06